Chacha Ian Maroa / Profil

This article shows how to build an MQL5 Expert Advisor around the UT Bot Alerts indicator. The EA reads custom indicator signals via iCustom() and CopyBuffer(), evaluates entries only on new bars, using the last closed candle at index 1, and enforces a one-direction-at-a-time model by closing opposite positions before taking new entries. It also adds optional ATR-based stop-losses, reward-to-risk take-profits, dedicated buy/sell execution functions, magic-number tracking, and basic backtesting for repeatable evaluation.

This article demonstrates how to build the UT Bot Alerts indicator in MQL5 using a clear, step-by-step approach. The tutorial explains how to implement an ATR-based trailing stop system, compute a custom EMA for signal detection, and generate buy and sell signals without repainting. The final indicator provides well-structured buffers that enable easy integration with Expert Advisors, automated trading systems, and other algorithmic tools within the MetaTrader 5 platform.

This article implements a real-time monitoring dashboard for a self-healing MetaTrader 5 Expert Advisor. The dashboard displays the current EA state, virtual stop-loss and take-profit levels, breakeven and trailing status, recovery state, synchronization status, and heartbeat information directly on the chart. By exposing the internal recovery state visually, the Expert Advisor becomes easier to monitor, verify, and troubleshoot while managing active trades.

This article adds trade-state reconciliation and Safe Mode recovery to a MetaTrader 5 Expert Advisor. The EA continuously validates recovery integrity by comparing the live broker position with the persisted SQLite state and the in-memory runtime state. Detected inconsistencies trigger an automatic transition to Safe Mode, suspending virtual protection, breakeven, and trailing management until the recovery state can be trusted again.

Building on Part 2, the implementation introduces restart-aware breakeven and trailing-stop systems for MetaTrader 5. The EA persists the state, such as breakeven activation, last trailing price, and virtual SL in SQLite, then restores them on startup. This preserves dynamic protection flow and prevents lost progress after terminal interruptions.

Build a restart-aware virtual protection layer on top of the SQLite persistence from Part 1. The EA reconstructs hidden stop-loss and take-profit after restart, verifies current price against recovered exits, and closes or continues positions accordingly. The result is a consistent recovery path that detects managed positions and sustains safe runtime management.

This article demonstrates how to build the persistence foundation of a self-healing Expert Advisor in MQL5 using SQLite. Readers will learn how to create a permanent trade-state storage layer capable of surviving terminal restarts, shutdowns, and unexpected interruptions. The article covers SQLite integration in MetaTrader 5, database lifecycle management, persistent trade-state structures, and runtime state recovery using practical MQL5 implementations.

This article extends the existing Flask backend to compute performance analytics from stored MetaTrader 5 closed trades and deliver them as both JSON and a simple web view. It calculates total trades, total profit, win rate, average profit, and trade duration metrics, returning JSON at /api/v1/analytics/summary and rendering a dashboard at /api/v1. The result provides a quick, consistent way to review trading performance from persisted SQLite records.

This article extends a Flask backend to reliably receive, validate, and store closed trade data from MetaTrader 5 using SQLite and Flask‑SQLAlchemy. It implements required‑field checks, timestamp conversion, transaction‑safe persistence, and working retrieval endpoints for all trades and single records, plus a basic summary. The result is a complete data pipeline with local testing that records trades and exposes them through a structured API for further analysis.

We build a lightweight bridge that captures closed trades in MetaTrader 5 and sends them to an external backend over HTTP as JSON. It uses OnTradeTransaction for event detection, reads details from deal history, assembles a JSON payload, and posts it via WebRequest. A local Flask API is used to test the flow, delivering a working path to move trade data outside the terminal.

We design a simple external trade analytics pipeline for MetaTrader 5 and implement its backend in Python with Flask and SQLite. The article defines the architecture, data model, and versioned API, and shows how to configure the environment, initialize the database, and run the server locally. As a result, you get a clean base to capture closed-trade records from MetaTrader 5 and store them for later analysis.

Entwickeln Sie einen MQL5-Expert Advisor, der die Umkehrmuster nach Larry Williams’ Hidden-Smash-Day automatisiert. Er liest bestätigte Signale eines benutzerdefinierten Indikators aus, wendet Kontextfilter an (Supertrend-Ausrichtung und optionale Handelstag-Regeln) und steuert das Risiko mithilfe von Stop-Loss-Modellen, die auf der Smash-Bar-Struktur oder dem ATR sowie einer festen oder risikobasierten Positionsgröße basieren. Das Ergebnis ist ein reproduzierbares Framework, das für Tests und Erweiterungen bereit ist.

Dieser Artikel entwickelt einen praktischen MQL5-Indikator, der Hidden-Smash-Day-Bars anhand strenger numerischer Kriterien und einer optionalen Bestätigung in der folgenden Sitzung identifiziert. Wir behandeln Erkennungsroutinen, das Einrichten der Puffer und die Plot-Einstellungen, um Pfeile an gültigen Bars zu platzieren. Der Ansatz liefert stabile, nicht nachträglich neu gezeichnete Signale für historische Tests und Echtzeitüberwachung.

Der Artikel beschreibt die Erstellung eines transparenten MQL5-Expert-Advisors für die Hidden-Smash-Day-Reversals von Larry Williams. Signale werden nur bei neuen Bars generiert: Eine Setup-Bar wird validiert und anschließend bestätigt, wenn die nächste Sitzung jenseits des Extremums schließt. Das Risiko wird über ATR oder strukturelle Stopps mit einem festgelegten Risiko-Ertrags-Verhältnis gesteuert; die Positionsgröße kann fest oder vom Kontostand abhängig sein, und Richtungsfilter sowie eine Ein-Positions-Regel gewährleisten reproduzierbare Tests.

Dieser Artikel zeigt, wie man die Umkehrmuster nach Larry Williams’ Smash Day in MQL5 innerhalb eines strukturierten Kontexts automatisieren kann. Wir implementieren einen Expert Advisor, der Setups über ein begrenztes Zeitfenster validiert, Einstiegspunkte anhand der auf dem Supertrend basierenden Trendrichtung und Wochentagsfiltern abstimmt und Einstiege entweder beim Durchbruch eines Niveaus oder nach bestätigtem Schlusskurs der Bar unterstützt. Der Code erlaubt jeweils nur eine offene Position und unterstützt sowohl risikobasierte als auch feste Positionsgrößen. Es werden eine schrittweise Entwicklung, ein Backtesting-Verfahren sowie reproduzierbare Einstellungen bereitgestellt.

Wir setzen die „Smash-Day“-Umkehrregeln von Larry Williams in einen praktischen MQL5-Indikator um, der bestätigte Setups mit Pfeilen markiert. Schritt für Schritt werden in diesem Text die Pufferverknüpfung, Diagrammeigenschaften, die Auswertung historischer Daten sowie Echtzeit-Aktualisierungen innerhalb von OnCalculate erläutert. Dank anpassbarer Lookback-Parameter und einer übersichtlichen Chart-Darstellung können Sie gültige Trendumkehrungen schnell erkennen, während die endgültigen Handelsentscheidungen weiterhin nach eigenem Ermessen und kontextbezogen getroffen werden.

Erfahren Sie, wie Sie einen auf dem Supertrend basierenden Expert Advisor in MQL5 von Grund auf erstellen. Der Artikel behandelt die Einbindung des Indikators als Ressource, das Auslesen von Pufferwerten bei geschlossenen Kerzen, das Erkennen bestätigter Trendwenden, das Ausrichten offener Positionen am Signal sowie die Konfiguration von Stop-Loss-Modi und der Positionsgrößenbestimmung. Abschließend werden die Einrichtung des Strategy Testers und reproduzierbare Tests behandelt, sodass Sie am Ende über einen konfigurierbaren EA sowie einen klaren Rahmen für weitere Untersuchungen und Erweiterungen verfügen.

Wir implementieren das Umkehrmuster „Smash-Day“ von Larry Williams in MQL5, indem wir einen regelbasierten Expert Advisor mit dynamischem Risikomanagement, einer Logik zur Bestätigung von Ausbrüchen und mit einer Ausführungslogik, die immer nur eine Position gleichzeitig zulässt, erstellen. Mit dem MetaTrader 5-Strategietester und dem bereitgestellten Quellcode können Leser Backtests durchführen, die Strategie nachbilden und die Auswirkungen der Parameter untersuchen.

So erstellen Sie in MQL5 für MetaTrader 5 einen Supertrend ohne Repainting von Grund auf. Wir verwenden ein iATR-Handle und CopyBuffer für die Volatilität, binden Puffer mit SetIndexBuffer und konfigurieren Plots (DRAWCOLORCANDLES plus zwei Linienbänder) über PlotIndexSetInteger. Die Logik wird nur bei geschlossenen Kerzen mit EMPTY_VALUE aktualisiert, um inaktive Bänder zu unterdrücken, wobei die Eingabeparameter atrPeriod und atrMultiplier für den Nutzer verfügbar gemacht werden. Sie erhalten ein sauberes, EA-fähiges Overlay mit dokumentierten Puffern für Strategien und Signale.